精华内容
下载资源
问答
  • Python使用numpy获取列表行数、列数

    万次阅读 2019-09-25 14:14:49
    生成形状为3x3的二维整数数组 a = np.random.randint(1, 100, (3, 3)) ...Python使用numpy获取列表行数、列数 import numpy as np np.shape(csv_data)[0] // 行 np.shape(csv_data)[1] // 列 (...

    生成形状为3x3的二维整数数组

    	a = np.random.randint(1, 100, (3, 3))
    	
    	[[50 90 85]
    	 [83 58 53]
    	 [85 71 92]]
    

    Python使用numpy获取列表行数、列数

    	import numpy as np
    
    	np.shape(csv_data)[0] // 行
    	np.shape(csv_data)[1] // 列
    	(m, n) = np.shape(csv_data)[0]
    
    展开全文
  • Python使用numpy获取列表行数与列数

    千次阅读 2020-10-08 18:13:07
    https://blog.csdn.net/WRian_Ban/article/details/101363193?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~first_rank_v2~rank_v25-2-101363193.nonecase&utm_term=%E6%B1%82ndarray%...
    展开全文
  • numpy

    2021-06-05 20:55:28
    1 a.ndim 返回矩阵的行数 2 a.shape 返回矩阵的形状 3 a.size 返回矩阵的总的元素个数 4 a.dtype 返回元素的数据类型 其它的属性上菜鸟教程看吧,更加详细 2 创建数组 没有已知数据创建矩阵 1 a.empty([],dtype =...

    #numpy

    1 数组的属性

    1 a.ndim 返回矩阵的行数
    2 a.shape 返回矩阵的形状
    3 a.size 返回矩阵的总的元素个数
    4 a.dtype 返回元素的数据类型
    其它的属性上菜鸟教程看吧,更加详细
    

    2 创建数组

    没有已知数据创建矩阵

    1 
       a.empty([],dtype = int , order =) 三个参数分别是形状 , 类型 ,计算机中的存储顺序
    2 
       a.zeros([] , dtype  , order) 与empty一样但是创建出的是全0 的矩阵
    3 
       a.ones 创建出的是全1的矩阵
    

    根据已知数据创建矩阵

    numpy.asarray(a, dtype = None, order = None) 
    a 是已知数据,可以是任意类型的数据,元组,列表,矩阵都可以
    

    根据数据范围创建矩阵

    numpy.arange

    numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象,函数格式如下:

    numpy.arange(start, stop, step, dtype)
    

    根据 start 与 stop 指定的范围以及 step 设定的步长,生成一个 ndarray。

    参数说明:

    参数描述
    start起始值,默认为0
    stop终止值(不包含)
    step步长,默认为1
    dtype返回ndarray的数据类型,如果没有提供,则会使用输入数据的类型。

    numpy.linspace

    numpy.linspace 函数用于创建一个一维数组,数组是一个等差数列构成的,格式如下:

    np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
    

    参数说明:

    参数描述
    start序列的起始值
    stop序列的终止值,如果endpointtrue,该值包含于数列中
    num要生成的等步长的样本数量,默认为50
    endpoint该值为 true 时,数列中包含stop值,反之不包含,默认是True。
    retstep如果为 True 时,生成的数组中会显示间距,反之不显示。
    dtypendarray 的数据类型

    numpy.logspace

    numpy.logspace 函数用于创建一个于等比数列。格式如下:

    np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
    

    base 参数意思是取对数的时候 log 的下标。

    参数描述
    start序列的起始值为:base ** start
    stop序列的终止值为:base ** stop。如果endpointtrue,该值包含于数列中
    num要生成的等步长的样本数量,默认为50
    endpoint该值为 true 时,数列中中包含stop值,反之不包含,默认是True。
    base对数 log 的底数。
    dtypendarray 的数据类型

    高级索引

    多维数组同样适用上述索引提取方法:

    实例

    import numpy as np a = np.array([[1,2,3],[3,4,5],[4,5,6]]) print(a) # 从某个索引处开始切割 print(‘从数组索引 a[1:] 处开始切割’) print(a[1:])

    输出结果为:

    [[1 2 3]
     [3 4 5]
     [4 5 6]]
    从数组索引 a[1:] 处开始切割
    [[3 4 5]
     [4 5 6]]
    

    切片还可以包括省略号 …,来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号,它将返回包含行中元素的 ndarray。

    实例

    import numpy as np a = np.array([[1,2,3],[3,4,5],[4,5,6]]) print (a[…,1]) # 第2列元素 print (a[1,…]) # 第2行元素 print (a[…,1:]) # 第2列及剩下的所有元素

    输出结果为:

    [2 4 5]
    [3 4 5]
    [[2 3]
     [4 5]
     [5 6]]
    

    多维矩阵 a[2 : ] 意思是从第二行开始截取每一行

    整数数组索引

    以下实例获取数组中(0,0),(1,1)和(2,0)位置处的元素。

    实例

    import numpy as np x = np.array([[1, 2], [3, 4], [5, 6]]) y = x[[0,1,2], [0,1,0]] print (y)

    输出结果为:

    [1  4  5]
    

    以下实例获取了 4X3 数组中的四个角的元素。 行索引是 [0,0] 和 [3,3],而列索引是 [0,2] 和 [0,2]。

    布尔索引

    我们可以通过一个布尔数组来索引目标数组。

    布尔索引通过布尔运算(如:比较运算符)来获取符合指定条件的元素的数组。

    以下实例获取大于 5 的元素:

    ####实例

    import numpy as np x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]]) print (‘我们的数组是:’) print (x) print (’\n’) # 现在我们会打印出大于 5 的元素 print (‘大于 5 的元素是:’) print (x[x > 5])

    输出结果为:

    我们的数组是:
    [[ 0  1  2]
     [ 3  4  5]
     [ 6  7  8]
     [ 9 10 11]]
    
    
    大于 5 的元素是:
    [ 6  7  8  9 10 11]
    
    展开全文
  • NumPy

    2018-07-24 22:10:52
    NumPy - Ndarray 对象 NumPy数据类型 数据类型对象 (dtype) NumPy数组属性 NumPy数组创建例程 NumPy - 来自现有数据的数组 NumPy - 来自数值范围的数组 NumPy - 切片和索引 NumPy - 高级索引 NumPy - 广播 ...

     

    目录

    NumPy - Ndarray 对象

    NumPy数据类型

    数据类型对象 (dtype)

    NumPy数组属性

    NumPy数组创建例程

    NumPy - 来自现有数据的数组

    NumPy - 来自数值范围的数组

    NumPy - 切片和索引

    NumPy - 高级索引

    NumPy - 广播

    NumPy - 数组上的迭代

    NumPy - 数组操作

    修改形状

    翻转操作

    修改维度

    数组的连接

    数组分割

    添加/删除元素


    NumPy - Ndarray 对象

    numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
    1. object 任何暴露数组接口方法的对象都会返回一个数组或任何(嵌套)序列。
    2. dtype 数组的所需数据类型,可选。
    3. copy 可选,默认为true,对象是否被复制。
    4. order C(按行)、F(按列)或A(任意,默认)。
    5. subok 默认情况下,返回的数组被强制为基类数组。 如果为true,则返回子类。
    6. ndimin 指定返回数组的最小维数。

    NumPy数据类型

    数据类型对象 (dtype)

    numpy.dtype(object, align, copy)
    1. Object:被转换为数据类型的对象。
    2. Align:如果为true,则向字段添加间隔,使其类似 C 的结构体。
    3. Copy: 生成dtype对象的新副本,如果为flase,结果是内建数据类型对象的引用。

    NumPy数组属性

    1. ndarray.shape:这一数组属性返回一个包含数组维度的元组,它也可以用于调整数组大小。
    2. ndarray.reshape:NumPy 也提供了reshape函数来调整数组大小。
    3. ndarray.ndim:这一数组属性返回数组的维数。
    4. numpy.itemsize:这一数组属性返回数组中每个元素的字节单位长度。
    5. numpy.flags:ndarray对象拥有以下属性。这个函数返回了它们的当前值。
      1. C_CONTIGUOUS (C):数组位于单一的、C 风格的连续区段内。
      2. F_CONTIGUOUS (F):数组位于单一的、Fortran 风格的连续区段内。
      3. OWNDATA (O):数组的内存从其它对象处借用。
      4. WRITEABLE (W):数据区域可写入。 将它设置为flase会锁定数据,使其只读。
      5. ALIGNED (A) 数据和任何元素会为硬件适当对齐。
      6. UPDATEIFCOPY (U) 这个数组是另一数组的副本。当这个数组释放时,源数组会由这个数组中的元素更新。

    NumPy数组创建例程

    numpy.empty(shape, dtype = float, order = 'C')

    它创建指定形状和dtype的未初始化数组。

    1. Shape:空数组的形状,整数或整数元组
    2. Dtype:所需的输出数组类型,可选
    3. Order:'C'为按行的 C 风格数组,'F'为按列的 Fortran 风格数组
    numpy.zeros(shape, dtype = float, order = 'C')

    返回特定大小,以 0 填充的新数组。

    1. Shape:空数组的形状,整数或整数元组
    2. Dtype:所需的输出数组类型,可选。
    3. Order:'C'为按行的 C 风格数组,'F'为按列的 Fortran 风格数组。
    numpy.ones(shape, dtype = None, order = 'C')

    返回特定大小,以 1 填充的新数组。

    1. Shape:空数组的形状,整数或整数元组。
    2. Dtype:所需的输出数组类型,可选。
    3. Order:'C'为按行的 C 风格数组,'F'为按列的 Fortran 风格数组。

    NumPy - 来自现有数据的数组

    numpy.asarray(a, dtype = None, order = None)

    此函数类似于numpy.array,除了它有较少的参数。 这个例程对于将 Python 序列转换为ndarray非常有用。

    1. a:任意形式的输入参数,比如列表、列表的元组、元组、元组的元组、元组的列表。
    2. dtype:通常,输入数据的类型会应用到返回的ndarray。
    3. order:'C'为按行的 C 风格数组,'F'为按列的 Fortran 风格数组。
    numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

    此函数将缓冲区解释为一维数组。 暴露缓冲区接口的任何对象都用作参数来返回ndarray。

    1. buffer 任何暴露缓冲区借口的对象。
    2. dtype 返回数组的数据类型,默认为float。
    3. count 需要读取的数据数量,默认为-1,读取所有数据。
    4. offset 需要读取的起始位置,默认为0。
    numpy.fromiter(iterable, dtype, count = -1)

    此函数从任何可迭代对象构建一个ndarray对象,返回一个新的一维数组。

    1. iterable:任何可迭代对象。
    2. dtype:返回数组的数据类型。
    3. count:需要读取的数据数量,默认为-1,读取所有数据。

    NumPy - 来自数值范围的数组

    numpy.arange(start, stop, step, dtype)

    这个函数返回ndarray对象,包含给定范围内的等间隔值。

    1. start:范围的起始值,默认为0。
    2. stop:范围的终止值(不包含)。
    3. step:两个值的间隔,默认为1。
    4. dtype:返回ndarray的数据类型,如果没有提供,则会使用输入数据的类型。
    numpy.linspace(start, stop, num, endpoint, retstep, dtype)

    此函数类似于arange()函数。 在此函数中,指定了范围之间的均匀间隔数量,而不是步长。

    1. start:序列的起始值。
    2. stop:序列的终止值,如果endpoint为true,该值包含于序列中。
    3. num:要生成的等间隔样例数量,默认为50。
    4. endpoint:序列中是否包含stop值,默认为ture。
    5. retstep:如果为true,返回样例,以及连续数字之间的步长。
    6. dtype:输出ndarray的数据类型。
    numpy.logscale(start, stop, num, endpoint, base, dtype)

    此函数返回一个ndarray对象,其中包含在对数刻度上均匀分布的数字。 刻度的开始和结束端点是某个底数的幂,通常为 10。

    1. start:起始值是base ** start。
    2. stop:终止值是base ** stop。
    3. num:范围内的数值数量,默认为50。
    4. endpoint:如果为true,终止值包含在输出数组当中。
    5. base:对数空间的底数,默认为10;
    6. dtype:输出数组的数据类型,如果没有提供,则取决于其它参数。

    NumPy - 切片和索引

    切片仅为视图

    NumPy - 高级索引

    NumPy - 广播

    NumPy - 数组上的迭代

    NumPy - 数组操作

    修改形状

    numpy.reshape(arr, newshape, order')

    这个函数在不改变数据的条件下修改形状,它接受如下参数:

    1. arr:要修改形状的数组。
    2. newshape:整数或者整数数组,新的形状应当兼容原有形状。
    3. order:'C'为 C 风格顺序,'F'为 F 风格顺序,'A'为保留原顺序。
    numpy.ndarray.flat

    该函数返回数组上的一维迭代器,行为类似 Python 内建的迭代器。

    ndarray.flatten(order)

    该函数返回折叠为一维的数组副本,函数接受下列参数:

    order:'C' — 按行,'F' — 按列,'A' — 原顺序,'k' — 元素在内存中的出现顺序。

    numpy.ravel(a, order)

    这个函数返回展开的一维数组,并且按需生成副本。返回的数组和输入数组拥有相同数据类型。这个函数接受两个参数。

    order:'C' — 按行,'F' — 按列,'A' — 原顺序,'k' — 元素在内存中的出现顺序。

    翻转操作

    numpy.transpose(arr, axes)

    这个函数翻转给定数组的维度。如果可能的话它会返回一个视图。函数接受下列参数:

    1. arr:要转置的数组。
    2. axes:整数的列表,对应维度,通常所有维度都会翻转。
    numpy.ndarray.T

    该函数属于ndarray类,行为类似于numpy.transpose。

    numpy.rollaxis(arr, axis, start)

    该函数向后滚动特定的轴,直到一个特定位置。这个函数接受三个参数:

    1. arr:输入数组。
    2. axis:要向后滚动的轴,其它轴的相对位置不会改变。
    3. start:默认为零,表示完整的滚动。会滚动到特定位置。
    numpy.swapaxes(arr, axis1, axis2)

    该函数交换数组的两个轴。对于 1.10 之前的 NumPy 版本,会返回交换后数组的试图。这个函数接受下列参数:

    1. r:要交换其轴的输入数组。
    2. axis1:对应第一个轴的整数。
    3. axis2:对应第二个轴的整数。

    修改维度

    numpy.broadcast_to(array, shape, subok)

    函数通过在指定位置插入新的轴来扩展数组形状。该函数需要两个参数:

    1. arr:输入数组。
    2. axis:新轴插入的位置
    numpy.squeeze(arr, axis)

    函数从给定数组的形状中删除一维条目。 此函数需要两个参数。

    1. arr:输入数组。
    2. axis:整数或整数元组,用于选择形状中单一维度条目的子集。

    数组的连接

    numpy.concatenate((a1, a2, ...), axis)

    数组的连接是指连接。 此函数用于沿指定轴连接相同形状的两个或多个数组。 该函数接受以下参数。

    1. a1, a2, ...:相同类型的数组序列。
    2. axis:沿着它连接数组的轴,默认为 0。
    numpy.stack(arrays, axis)

    此函数沿新轴连接数组序列。 此功能添加自 NumPy 版本 1.10.0。 需要提供以下参数。

    1. arrays:相同形状的数组序列。
    2. axis:返回数组中的轴,输入数组沿着它来堆叠。
    numpy.hstack

    函数的变体,通过堆叠来生成水平的单个数组。

    numpy.vstack

    numpy.stack函数的变体,通过堆叠来生成竖直的单个数组。

    数组分割

    numpy.split(ary, indices_or_sections, axis)

    该函数沿特定的轴将数组分割为子数组。函数接受三个参数:

    1. ary:被分割的输入数组。
    2. indices_or_sections:可以是整数,表明要从输入数组创建的,等大小的子数组的数量。 如果此参数是一维数组,则其元素表明要创建新子数组的点。
    3. axis:默认为 0。
    numpy.hsplit

    numpy.hsplit是split()函数的特例,其中轴为 1 表示水平分割,无论输入数组的维度是什么。

    numpy.vsplit

    numpy.vsplit是split()函数的特例,其中轴为 0 表示竖直分割,无论输入数组的维度是什么。

    添加/删除元素

    numpy.resize(arr, shape)

    此函数返回指定大小的新数组。 如果新大小大于原始大小,则包含原始数组中的元素的重复副本。 该函数接受以下参数:

    1. arr:要修改大小的输入数组。
    2. shape:返回数组的新形状。
    numpy.append(arr, values, axis)

    此函数在输入数组的末尾添加值。 附加操作不是原地的,而是分配新的数组。 此外,输入数组的维度必须匹配否则将生成ValueError。

    1. arr:输入数组。
    2. values:要向arr添加的值,比如和arr形状相同(除了要添加的轴)。
    3. axis:沿着它完成操作的轴。如果没有提供,两个参数都会被展开。
    numpy.insert(arr, obj, values, axis)

    此函数在给定索引之前,沿给定轴在输入数组中插入值。 如果值的类型转换为要插入,则它与输入数组不同。 插入没有原地的,函数会返回一个新数组。 此外,如果未提供轴,则输入数组会被展开。

    1. arr:输入数组。
    2. obj:在其之前插入值的索引。
    3. values:要插入的值。
    4. axis:沿着它插入的轴,如果未提供,则输入数组会被展开。
    Numpy.delete(arr, obj, axis)

    此函数返回从输入数组中删除指定子数组的新数组。 与insert()函数的情况一样,如果未提供轴参数,则输入数组将展开。 该函数接受以下参数:

    1. arr:输入数组。
    2. obj:可以被切片,整数或者整数数组,表明要从输入数组删除的子数组。
    3. axis:沿着它删除给定子数组的轴,如果未提供,则输入数组会被展开。
    numpy.unique(arr, return_index, return_inverse, return_counts)

    此函数返回输入数组中的去重元素数组。 该函数能够返回一个元组,包含去重数组和相关索引的数组。 索引的性质取决于函数调用中返回参数的类型。

    1. arr:输入数组,如果不是一维数组则会展开。
    2. return_index:如果为true,返回输入数组中的元素下标。
    3. return_inverse:如果为true,返回去重数组的下标,它可以用于重构输入数组。
    4. return_counts:如果为true,返回去重数组中的元素在原数组中的出现次数。

    NumPy位操作

    np.bitwise_and()

    对输入数组中的整数的二进制表示的相应位执行位与运算。

    np.bitwise_or()

    对输入数组中的整数的二进制表示的相应位执行位或运算。

    np.invert()

    计算输入数组中整数的位非结果。 对于有符号整数,返回补码。

    numpy.left shift()

    将数组元素的二进制表示中的位向左移动到指定位置,右侧附加相等数量的 0。

    numpy.right_shift()

    将数组元素的二进制表示中的位向右移动到指定位置,左侧附加相等数量的 0。

    NumPy字符串函数

    numpy.char.add()

    函数执行按元素的字符串连接。

    numpy.char.multiply()

    这个函数执行多重连接。

    numpy.char.center(arr, width,fillchar)

    此函数返回所需宽度的数组,以便输入字符串位于中心,并使用fillchar在左侧和右侧进行填充。

    numpy.char.capitalize()

    函数返回字符串的副本,其中第一个字母大写

    numpy.char.title()

    返回输入字符串的按元素标题转换版本,其中每个单词的首字母都大写。

    numpy.char.lower()

    函数返回一个数组,其元素转换为小写。

    numpy.char.upper()

    函数返回一个数组,其元素转换为大写。

    numpy.char.split(arr,sep = '')

    此函数返回输入字符串中的单词列表。 默认情况下,空格用作分隔符。 否则,指定的分隔符字符用于分割字符串

    numpy.char.splitlines()

    函数返回数组中元素的单词列表,以换行符分割。

    numpy.char.strip(arr,char)

    函数返回数组的副本,其中元素移除了开头或结尾处的特定字符。

    numpy.char.join()

    这个函数返回一个字符串,其中单个字符由特定的分隔符连接。

    numpy.char.replace()

    这个函数返回字符串副本,其中所有字符序列的出现位置都被另一个给定的字符序列取代。

    numpy.char.decode()

    numpy.char.encode()

    NumPy数学算数函数

    三角函数

    numpy.sin()
    numpy.cos()
    numpy.tan()
    numpy.arcsin()
    numpy.arccos()
    numpy.arctan()

    舍入函数

    numpy.around(a,decimals=0)

    这个函数返回四舍五入到所需精度的值。 该函数接受以下参数:

    1. a:数组
    2. decimals:要舍入的小数位数。如果为负,整数将四舍五入到小数点左侧的位置。
    numpy.floor()

    此函数返回不大于输入参数的最大整数。

    numpy.ceil()

    此函数返回输入值的上限。

    算数运算

    numpy.add()
    numpy.subtract()
    numpy.multiply()
    numpy.devide()

    numpy.reciprocal()

    此函数返回参数逐元素的倒数。

    numpy.power()

    此函数将第一个输入数组中的元素作为底数,计算它与第二个输入数组中相应元素的幂。

    numpy.mod()

    此函数返回输入数组中相应元素的除法余数。 

    numpy.real()

    返回复数类型参数的实部。

    numpy.imag()

    返回复数类型参数的虚部。

    numpy.conj()

    返回通过改变虚部的符号而获得的共轭复数。

    numpy.angle(degree)

    返回复数参数的角度。 参数:

    degree: 如果为true,返回的角度以角度制来表示,否则为以弧度制来表示。

    NumPy统计函数

    numpy.amin()

    从给定数组中的元素沿指定轴返回最小值。

    numpy.amax()

    从给定数组中的元素沿指定轴返回最大值。

    numpy.ptp()

    返回沿轴的值的范围(最大值 - 最小值)。

    numpy.percentile(a, q, axis)

    百分位数是统计中使用的度量,表示小于这个值得观察值占某个百分比。接受以下参数:

    1. a:输入数组
    2. q:要计算的百分位数
    3. axis:沿着它计算百分位数的轴
    numpy.median()

    中值定义为将数据样本的上半部分与下半部分分开的值。 

    numpy.mean()

    算术平均值是沿轴的元素的总和除以元素的数量。 

    numpy.average(weights)

    加权平均值是由每个分量乘以反映其重要性的因子得到的平均值。

    numpy.std()

    标准差

    numpy.var()

    方差

    NumPy - 排序、搜索和计数函数

    numpy.sort(a, axis, kind='quicksort', order)

    函数返回输入数组的排序副本。 它有以下参数:

    1. a:要排序的数组
    2. axis:沿着它排序数组的轴,如果没有数组会被展开,沿着最后的轴排序
    3. kind:'mergesort'(归并排序)、'quicksort'(快速排序)、'heapsort'(堆排序)
    4. order:如果数组包含字段,则是要排序的字段
    numpy.argsort()

    对输入数组沿给定轴执行间接排序,并使用指定排序类型返回数据的索引数组。 这个索引数组用于构造排序后的数组。

    numpy.lexsort()

    用于对多个序列进行排序。把它想象成对电子表格进行排序,每一列代表一个序列,排序时优先照顾靠后的列。
     

    numpy.argmax()

    沿给定轴返回最大元素的索引。

    numpy.argmin()

    沿给定轴返回最小元素的索引。

    numpy.nonzero()

    返回输入数组中非零元素的索引。

    numpy.where()

    返回输入数组中满足给定条件的元素的索引。

    numpy.extract()

    函数根据某个条件从数组中抽取元素,返回满条件的元素。

    NumPy - 字节交换

    numpy.ndarray.byteswap()

    NumPy副本和视图

    无复制

    视图或浅复制

    ndarray.view()

    它是一个新的数组对象,并可查看原始数组的相同数据。

    ndarray.copy()

    函数创建一个深层副本。 它是数组及其数据的完整副本,不与原始数组共享。

    NumPy矩阵库

    numpy.matlib.empty(shape, dtype, order)

    函数返回一个新的矩阵,而不初始化元素。 该函数接受以下参数。

    1. shape:定义新矩阵形状的整数或整数元组
    2. Dtype:可选,输出的数据类型
    3. order: C(行序优先) 或者 F(列序优先)
    numpy.matlib.zeros()

    此函数返回以零填充的矩阵。

    numpy.matlib.ones()

    此函数返回以一填充的矩阵。

    numpy.matlib.eye(n, M=n,k, dtype)

    这个函数返回一个矩阵,对角线元素为 1,其他位置为零。 该函数接受以下参数:

    1. n:返回矩阵的行数
    2. M:返回矩阵的列数
    3. k:对角线的索引
    4. dtype:输出的数据类型
    numpy.matlib.identity()

    返回给定大小的单位矩阵。单位矩阵是主对角线元素都为 1 的方阵。

    numpy.matlib.rand()

    numpy.matlib.rand()`函数返回给定大小的填充随机值的矩阵。

    NumPy线性代数

    numpy.dot()

    对于二维向量,其等效于矩阵乘法。 对于一维数组,它是向量的内积。 对于 N 维数组,它是a的最后一个轴上的和与b的倒数第二个轴的乘积。

    numpy.vdot()

    此函数返回两个向量的点积。

    numpy.inner()

    此函数返回一维数组的向量内积。 对于更高的维度,它返回最后一个轴上的和的乘积。

    numpy.matmul()

    函数返回两个数组的矩阵乘积。 虽然它返回二维数组的正常乘积,但如果任一参数的维数大于2,则将其视为存在于最后两个索引的矩阵的栈,并进行相应广播。另一方面,如果任一参数是一维数组,则通过在其维度上附加 1 来将其提升为矩阵,并在乘法之后被去除。

    numpy.linalg.det()

    计算输入矩阵的行列式。

    numpy.linalg.solve()

    函数给出了矩阵形式的线性方程的解。

    numpy.linalg.inv()

    计算矩阵的乘法逆矩阵。

     

    展开全文
  • Step 1: link your C extension to numpy on windows, this is something like #include "C:\Python34/Lib/site-packages/numpy/core/include/numpy/arrayobject.h" on osx it's something like #include "/Library...
  • Numpy

    2019-11-27 17:17:09
    一、Numpy的特点 1、擅长数值计算 2、足够高的运算能力 3、支持矢量化运算 4、免费、开源 二、Numpy的数组 1、Numpy中的数组是ndarray类类型的对象,将实际数据和元数据分开存放,独立操作,以此提升性能 2、...
  • NUMPY

    2019-04-20 22:26:05
    shape:行数和列数 size:元素个数 使用numpy首先要导入模块 import numpy as np #为了方便使用numpy 采用np简写 列表转化为矩阵: array = np.array([[1,2,3],[2,3,4]]) #列表转化为矩阵 print(array) """ ...
  • 目录标题1.... 获取dataframe的行数和列数4. numpy.zeros 1. dataframe排序 DataFrame.sort_values(by, axis=0, ascending=True, inplace=False,kind='quicksort', na_position='last') axis:axis=...
  • Python之Numpy详细教程

    万次阅读 多人点赞 2018-03-16 13:59:14
    NumPy - 简介 NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。 Numeric,即 NumPy 的前身,是由 Jim Hugunin 开发的。 也开发了另一个包 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 12,076
精华内容 4,830
关键字:

numpy返回行数